今年的新年連假有寫了一篇：今年的寫作與課程規劃勇敢地給自己立了幾個目標，第一季很快就過去了，有一些規劃的進度已經完成、有一些規劃的進度準時、當然也有一些規劃的進度落後，藉這個時間點稍微盤點一下，重整旗鼓，看看第二季調整的節奏怎麼樣。
實體教學
實體教學是今年第一季的主角，已經完成與金融研訓院合開的「Python 金融資料處理與應用」以及與中華電信學院、財政部關務署合開的「深度學習入門」。在這兩堂實體課程中加入了 Sli.do 的隨堂測驗，在每一個單元講完之後，都以單選題、複選題的形式來讓與課同學作答，並且限制單選題 60 秒、複選題 90 秒的作答時間，用另一種方式來為學員做重點統整與複習，我覺得效果相當好，但美中不足的地方是這兩堂課程內容都是第一次備課與授課，還沒有辦法流暢地將一個單元抓在 40 分鐘、練習題和講解 10 分鐘，意即以 50 分鐘為一節課時間來標準化授課內容，這是未來可以強化的地方。
在課程內容設計的精進上，未來若還有「Python 金融資料處理與應用」的開課機會，會將程式設計的部分由原本泛用的內容翻修為與金融資料相關的內容，畢竟會有部分沒有程式設計背景的學員參加，若是能夠以後續應用為導向來設計基礎入門內容，學習效果應該會更好。而關於「深度學習入門」必須要再將矩陣代數、正規方程、梯度遞減、羅吉斯迴歸以及前向反向傳播這幾個主題用更精練的內容串連起來。要能夠自己推導，才有辦法只使用 Numpy 寫程式實作；能夠只使用 Numpy 寫程式實作，才有辦法善用模組實作。
矩陣代數：純量、向量、矩陣與張量的操作、相乘與相加。
正規方程：均方誤差成本函數的偏微分推導、反矩陣的求解。
梯度遞減：均方誤差成本函數的偏微分推導。
羅吉斯迴歸：Sigmoid 函數的偏微分推導、交叉熵（Cross-entropy）函數的偏微分推導。
前向反向傳播：矩陣相乘（係數）矩陣相加（偏誤）、鏈結型態的羅吉斯迴歸、適用連鎖法則的交叉熵（Cross-entropy）函數偏微分推導。
今年第二季還會有與中華電信學院、財政部關務署合開的「Python 深度學習模組」以及與餐飲集團合開的 PostgreSQL，應該能夠嘗試標準化授課內容的改進，試著讓這兩堂課都能以一個單元 40 分鐘搭配練習題 10 分鐘的段落進行，讓自己可以掌握該怎麼做單元切割，才能夠用最佳時長授課。
寫作
寫作在第一季處於「落後」的狀態，Substack 電子報並沒有達成「雙週更」的預期目標；英文部落格的撰寫也僅完成一篇：
https://medium.com/jovyans/what-it-takes-802cd92d3e93
距離在年底完成一本書籍的章節數量是相差甚遠。必須在第二季就能即時做出調整，除了給自己更大的期限壓力以外，也要找到在寫作過程中就能立刻感受到的即時回饋，否則由一篇又一篇乏人問津的章節所堆疊出來的書籍，其成果也是能夠提前預見的。
線上課程
線上課程仍舊是以 Hahow 好學校作為主力，今年預計製作的課程是「資料分析師的作品集：讓你在面試能侃侃而談」，預計會涵蓋下列幾個主題：
Gapminder 動態氣泡圖。
Charles Minard 的流量圖。
Racing bar chart 與 Racing line chart。
台灣總統大選地圖。
預測街角的便利商店。
預測職業球員的運動聯盟別。
從電影簡介文字預測電影類型。
主題的上限會是七個，甚至精簡為五個亦有可能，整體還是要看課程時數的規劃，我希望是一個 6-8 小時之內就能完課的長度，如果有想要添加的主題，例如基本面選股、主動 vs. 被動投資，也會從目前的主題中汰舊換新，不過整體來說，還是會利用第二季的時間自己先做做看原型，視過程所遭遇到的困難與門檻，再斟酌要做的主題為何，目前與 Hahow 好學校商談的時程：製作期間第三季、上架期間第四季應該還是不變的。
至於明年的線上課程，則有兩種可能的規劃，一是目標為無基礎、文組學生或一般辦公室白領的「文組與辦公室白領也能無痛跨域的資料科學」，二是目標為有基礎資料分析師的「資料科學最重要的模型演算法」，會視今年與 Hahow 好學校的討論與合作來調整製課方針。
如果希望新的一年能夠達成什麼目標，第一季表現好的部分就要繼續保持，第一季落後的地方也要迎頭趕上，雖然我們的時間與精神都有著無情的硬上限，但還是得在限制式下最小化損失函數（Minimizing cost function within certain constraints），如同機器學習模型找尋係數權重的精神一般！